道路旅行時間能夠直觀地反映路段的交通擁堵狀態(tài),它是發(fā)展智能交通系統(tǒng)的重要基礎。實時地預測各關鍵路段的旅行時間,不僅有助于交通管理部門針對某些潛在擁堵的路段采取交通管制,也可以為行人提供實時的路況信息以及制定最佳出行計劃。在交通網絡初具規(guī)模的今天,利用數據驅動的方法構建智慧交通是目前緩解和預防交通擁堵的主要手段。由于道路旅行時間受諸多環(huán)境因素的影響,如何利用交通歷史數據集準確且實時地預測各路段的旅行時間,是研究智能交通系統(tǒng)的一個難點。現有的預測算法中要么使用的預測模型過于簡單,不能充分結合路網的時空特性提取關鍵的特征,要么建立的模型在預測的實時性方面受到了限制�？紤]到這些問題,本文將選用一種基于回歸樹的集成算法——隨機森林,作為城市道路旅行時間的預測方法。因為隨機森林算法更能適應路網的不確定性和復雜性,該算法具有很強的抗干擾能力,算法的預測性能不會受異常值和缺失值的影響,而且模型的訓練時間短,比較適合實時性較強的預測場景。論文的研究內容主要包括三部分:首先,采用最大相關最小冗余算法（mRMR）為預測模型選擇特征,該算法通過減少或消除冗余的特征來提升預測模型的性能。其次,在構建預測模型時將... 

【文章來源】：重慶郵電大學重慶市

【文章頁數】：69 頁

【學位級別】：碩士

【部分圖文】：

DBSCAN原理圖

重慶郵電大學碩士學位論文 第 3 章 構建道路旅行時間的預測模型進行有放回的抽樣，并選取樣本數據進行回歸樹的訓練，在構造特征子空間時引入最大相關最小冗余(mRMR)算法降低或消除特征子空間中的冗余特征的影響；在算法決策過程中，整合基于密度聚類算法的回歸樹模型(DB-CART)的預測結果，即采用密度聚類算法(DBSCAN)處理每棵回歸樹(CART)中葉子節(jié)點的數據，然后使用加權的歐式距離在葉子節(jié)點中找到與測試樣本最相似的類簇，計算簇中樣本的均值作為當前回歸樹的預測結果，最后整合每棵樹的預測結果，求其均值作為隨機森林的預測結果。訓D1

(http://www.tianqi.com)爬取貴陽市3月表如下：性字段有路段的標識 ID（脫敏數據）、次干道）。表 4.1 路段屬性表長 寬 14 55（米） 12（米） 4 846（米） 9（米） 關系表段有當前路段 ID、直接上游路段 ID 以路的上下游關系，可以抽象出路網的

【參考文獻】：
期刊論文
[1]基于自適應密度聚類分析的雷電定位算法[J]. 李濤,張帥弛,張燦,任永珍.  科學技術與工程. 2018(36)
[2]基于CART決策樹的沖壓成形仿真數據挖掘[J]. 王偉,黃宇星,余鴻敏.  工程科學學報. 2018(11)
[3]人工智能在智能交通中的應用[J]. 李澤新.  科技傳播. 2018(19)
[4]基于PCA-GBDT的城市道路旅行時間預測方法[J]. 張威威,李瑞敏,謝中教.  公路工程. 2017(06)
[5]基于改進A*算法的最優(yōu)路徑搜索[J]. 朱云虹,袁一.  計算機技術與發(fā)展. 2018(04)
[6]大數據中高速公路旅行時間預測仿真研究[J]. 劉偉銘,李松松.  計算機仿真. 2017(03)
[7]基于ARIMA和Kalman濾波的道路交通狀態(tài)實時預測（英文）[J]. Dong-wei XU,Yong-dong WANG,Li-min JIA,Yong QIN,Hong-hui DONG.  Frontiers of Information Technology & Electronic Engineering. 2017(02)
[8]基于Kalman和ARIMA組合模型的路段行程時間預測[J]. 田甜,王秀玲,呂芳.  信息技術. 2016(03)
[9]基于K最近鄰算法的高速公路短時行程時間預測[J]. 王翔,陳小鴻,楊祥妹.  中國公路學報. 2015(01)
[10]道路網上最短路徑算法綜述[J]. 張波良,張瑞昌,關佶紅.  計算機應用與軟件. 2014(10)

博士論文
[1]隨機森林算法優(yōu)化研究[D]. 曹正鳳.首都經濟貿易大學 2014

碩士論文
[1]基于經驗路徑的路徑規(guī)劃系統(tǒng)[D]. 曹佳清.蘇州大學 2018
[2]基于統(tǒng)計模型的城市道路交通旅行時間分析及預測方法研究[D]. 李朝.北方工業(yè)大學 2015
[3]基于藍牙技術的城市道路短時旅行時間預測方法研究[D]. 王群.上海交通大學 2015
[4]基于數據驅動的路段旅行時間估計與預測研究[D]. 黃龍超.北京交通大學 2015



本文編號：2953271